YOLOv8 pytorch環境建置與教學 - Win10
先到 pytorch 官網 對應一下CUDA版本及指令我的環境是：
[*]Python 3.10
[*]Nvidia driver 522.25
[*]Cuda 11.7
[*]Conda
[*]Cudnn 8.7
安裝方法可參閱此篇文章 ：Win10用 Anaconda 建 3070系列的 Tensorflow 深度學習環境
先下載CUDA 11.7 載點
下載安裝好以後，把CUDNN 三個目錄COPY到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7下
到PyCharm 終端機下指令先建一個虛擬環境
conda create -n python310 python=3.10.0
conda activate python310安裝TORCH
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidiapip install opencv-contrib-python
pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 -f https://download.pytorch.org/whl/torch_stable.html
pip list
v8 是由 v5 的原創公司 Ultralytics 改良的
改良特點依據YOLO v8 官網文件說明，主要改良特點如下：
[*]提供一個框架，可執行之前所有版本的模型。
[*]全新的骨幹網路模型(Backbone network)。
[*]不使用事先設定的偵測框(anchor-free detection head)。
[*]使用新的損失函數(Loss function)。
[*]CPU/GPU兼容。
[*]訓練時間縮短為60%。
[*]預測更準確(mAP)，如下圖。
YOLO v8 vs. v7 參數量與 mAP 比較，圖片來源：YOLO v8 GitHub
1.測試打開終端機或cmd，輸入以下指令，進行物件偵測：yolo predict model=yolov8n.pt source="https://ultralytics.com/images/bus.jpg"原圖
存檔位置預設在 runs\detect\predict 資料夾下。
2.模型下載
https://github.com/ultralytics/ultralytics
或者也可以從頭開始訓練模型，在YOLO安裝的資料夾下尋找各Model的yaml檔
如選擇yolov8.yaml準備一個yaml來描述這些資料的位置，如以下data.yaml的內容path: d:/yolo
train: ./train/images
val: ./valid/images
test: ./test/images
nc: 1
names: [‘dog’]
用Python指令來進行訓練from ultralytics import YOLO
import multiprocessing
model = YOLO("yolov8.yaml")
model.train(data="data.yaml",
mode="detect",
epochs=100,
imgsz=640,
device="cpu")
其中device參數若未指定則會使用GPU進行訓練，device=0即使用第一張GPU卡，也可device=0,1使用2張卡來進行運算，而device=cpu即使用CPU來運算以上即是簡單的進行訓練與測試教學
另外需注意檔案設定 C:\Users\Administrator\AppData\Roaming\Ultralytics\settings.yaml
描述
settings_version: 0.0.4
datasets_dir: D:\yolo\datasets
weights_dir: weights
runs_dir: runs
uuid: 8dfc68cd7948fa055541ec71f7687a994797279b020c6df0479825ff19aafdf9
sync: true
api_key: ''
clearml: true
comet: true
dvc: true
hub: true
mlflow: true
neptune: true
raytune: true
tensorboard: true
wandb: truedatasets路徑 D:\yolo\datasets
參考文章
https://hackmd.io/@luckychi/yolov8_simple_tutorial
https://ithelp.ithome.com.tw/articles/10311114
https://blog.csdn.net/qq_26938321/article/details/128697956
https://www.cnblogs.com/thx2199/p/17165169.html
文章出處： NetYea 網頁設計
頁:
[1]